最大似然估计和极大似然估计一样吗
1个回答
展开全部
最大似然估计,对于点估计,有矩估计法和最大似然估计法。
矩估计法,其基于大数定律,求解未知参数θ θθ的时候,是一种简单的替换的思想(样本矩估计总体矩)。
最大似然估计法,基于极大似然原理(概率大的事件在一次观测中更容易发生)。求解未知参数θ θθ的时候,是当它作为估计值时,使样本出现的概率(样本出现的可能性)最大。
离散型总体最大似然估计法的步骤为:选择样本值→构造似然函数(每个样本值对应概率相乘)→似然函数取对数(方便计算)→求导→令导数为0→求出未知参数θ的最大似然估计值。
离散型和连续型唯一的区别,就是离散型取的是每一个样本点的概率,而连续型取的是每一个样本点的概率密度。它们都包含了参数θ θθ,都可以通过取对数求导来算出最大似然估计值。
最大似然估计函数在采样样本总数趋于无穷的时候达到最小方差(其证明可见于Cramer-Rao lower bound)。当最大似然估计非偏时,等价的,在极限的情况下我们可以称其有最小的均方差。对于独立的观察来说,最大似然估计函数经常趋于正态分布。
推荐律师服务:
若未解决您的问题,请您详细描述您的问题,通过百度律临进行免费专业咨询